面向分层关系对象导航的任务驱动图注意力
人工智能
2023-06-27 v1
摘要
大型场景中的具身 AI 智能体常需导航以寻找对象。在本文中，我们研究对象导航任务自然产生的一个变体——分层关系对象导航（HRON），其目标是通过组织为层次结构的逻辑谓词所指定的对象（对象关联到家具，再关联到房间）来寻找对象，例如在厨房的桌子上找一个苹果。解决此类任务需要一种高效的表示来推理对象关系，并将环境中的关系与任务目标中的关系相关联。大型场景（如住宅）中的 HRON 因其部分可观测性和长时序而尤其具有挑战性，这需要能够紧凑存储历史信息同时有效探索场景的解决方案。我们通过实验证明，与图像或 2D 地图等传统表示相比，场景图是最适合的表示。我们提出一种将场景图作为部分输入并集成图神经网络作为其骨干、带有任务驱动注意力机制的解决方案，并证明其比最先进的基线具有更好的可扩展性和学习效率。
引用
@article{arxiv.2306.13760,
title = {Task-Driven Graph Attention for Hierarchical Relational Object Navigation},
author = {Michael Lingelbach and Chengshu Li and Minjune Hwang and Andrey Kurenkov and Alan Lou and Roberto Martín-Martín and Ruohan Zhang and Li Fei-Fei and Jiajun Wu},
journal= {arXiv preprint arXiv:2306.13760},
year = {2023}
}